开源语音识别项目

OpenAI的Whisper高质量语音识别模块C/C++移植版，支持在iOS和Android上运行，提供真人级别的识别效果，完全免费，具有开源、低内存和跨平台特性，适合资源受限环境。

textlesslib是一个专为无文本口语处理设计的库，集成了多种先进的AI模型，提供高效的音频特征提取，支持多种语言的处理，且开放源代码，易于扩展。

Talk是一个基于whisper.cpp和llama.cpp的项目，旨在实现与计算机的直接语音对话。它整合了先进的语音识别和生成技术，支持自然语言处理，能够实时响应用户的语音指令，并提供用户友好的界面，方便易用。

AI Voice Chat是一个基于React的语音交互应用，结合了Whisper Large v3、openchat 3.5 AWQ和XTTS v2技术，支持低延迟的语音对语音交互。项目在单个RTX 3090 GPU上运行，显存占用33G，比ChatGPT语音演示视频的延迟减少了一半以上。它能够高效地进行语音识别和合成，支持多种语言和方言，适用于实时语音聊天、客服机器人、智能家居设备、教育平台等多种场景。

libsio是一个用于语音输入（STT）和输出（TTS）的运行时库，支持高效的语音识别和自然流畅的语音合成，具有良好的跨平台兼容性，易于集成到各种应用程序中。

Talk-to-ChatGPT是一个Google Chrome扩展，允许用户通过语音命令与ChatGPT AI互动，并接收语音回复。用户只需安装扩展并激活麦克风，就可以开始提问或与AI进行对话，同时通过文本转语音功能收听AI的回复。

实时AI变声工具

Babylon Voice 是一个基于语音识别技术的网络应用，用户可以通过语音命令与其功能进行交互，提升工作效率，并增强无障碍体验。

femtoGPT 是一个使用纯 Rust 编写的最小生成预训练 Transformer 实现，旨在提供轻量级、高效的自然语言生成能力，易于集成和扩展，适合各种机器学习应用。

Lucyd是一款移动应用，允许用户通过语音查询ChatGPT，听取响应，无需打字或阅读。只需下载应用，激活语音助手，便可开始使用。

Funny Duck是一个应用程序和平台，可以增强手机语音助手的功能，使其能够控制电脑、智能家居和DIY物联网设备。

EchoFox是一款创新的AI工具，旨在改变我们与WhatsApp语音消息的互动方式。它作为个人转录器，轻松将语音消息转换为文本，让用户无需收听长音频即可快速阅读和理解。该工具针对个人用户和商业专业人士，旨在提升时间管理和生产力，确保跨语言的无缝沟通。EchoFox使得跟踪语音消息变得更加简单，是任何希望优化WhatsApp沟通的人的必备工具。